Bagaimana cara merencanakan fungsi di python menggunakan matplotlib?

Dalam contoh Notebook Jupyter kami, menjalankan sel harus menghasilkan angka langsung di bawah kode. Angka tersebut juga disertakan dalam dokumen Notebook untuk dilihat di masa mendatang. Namun, lingkungan Python lain seperti sesi Python interaktif yang dimulai dari terminal atau skrip Python yang dijalankan melalui baris perintah memerlukan perintah tambahan untuk menampilkan gambar.

Instruksikan

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

plt.show()

Perintah ini juga dapat digunakan di dalam Notebook - misalnya, untuk menampilkan banyak gambar jika beberapa dibuat oleh satu sel

Plot data langsung dari plt.show() _2

• Kami juga dapat memplot bingkai data Panda
• Ini secara implisit menggunakan
• Sebelum memplot, kami mengonversi judul kolom dari tipe data

  plt.show()
  

  4 menjadi

  plt.show()
  

  5, karena mewakili nilai numerik

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_(year)', 
# so we want to keep the (year) part only for clarity when plotting GDP vs. years
# To do this we use strip(), which removes from the string the characters stated in the argument
# This method works on strings, so we call str before strip()

years = data.columns.str.strip('gdpPercap_')

# Convert year values to integers, saving results back to dataframe

data.columns = years.astype(int)

data.loc['Australia'].plot()

Pilih dan ubah data, lalu plot

• Secara default, plot dengan baris sebagai sumbu X
• Kami dapat mengubah urutan data untuk memplot beberapa seri

data.T.plot()
plt.ylabel('GDP per capita')

Banyak gaya plot yang tersedia

• Misalnya, lakukan plot batang menggunakan gaya yang lebih menarik

plt.style.use('ggplot')
data.T.plot(kind='bar')
plt.ylabel('GDP per capita')

Data juga dapat diplot dengan memanggil fungsi time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot(time, position) plt.xlabel('Time (hr)') plt.ylabel('Position (km)') 9 plt.show() 8 secara langsung

• Perintahnya adalah

  plt.show()
  

  _9
• Warna dan format penanda juga dapat ditentukan sebagai argumen opsional tambahan e. g. ,

  import pandas as pd
  
  data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
  
  # Extract year from last 4 characters of each column name
  # The current column names are structured as 'gdpPercap_(year)', 
  # so we want to keep the (year) part only for clarity when plotting GDP vs. years
  # To do this we use strip(), which removes from the string the characters stated in the argument
  # This method works on strings, so we call str before strip()
  
  years = data.columns.str.strip('gdpPercap_')
  
  # Convert year values to integers, saving results back to dataframe
  
  data.columns = years.astype(int)
  
  data.loc['Australia'].plot()
  

  0 adalah garis biru,

  import pandas as pd
  
  data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
  
  # Extract year from last 4 characters of each column name
  # The current column names are structured as 'gdpPercap_(year)', 
  # so we want to keep the (year) part only for clarity when plotting GDP vs. years
  # To do this we use strip(), which removes from the string the characters stated in the argument
  # This method works on strings, so we call str before strip()
  
  years = data.columns.str.strip('gdpPercap_')
  
  # Convert year values to integers, saving results back to dataframe
  
  data.columns = years.astype(int)
  
  data.loc['Australia'].plot()
  

  1 adalah garis putus-putus hijau

Dapatkan data Australia dari kerangka data

years = data.columns
gdp_australia = data.loc['Australia']

plt.plot(years, gdp_australia, 'g--')

Dapat memplot banyak kumpulan data secara bersamaan

# Select two countries' worth of data.
gdp_australia = data.loc['Australia']
gdp_nz = data.loc['New Zealand']

# Plot with differently-colored markers.
plt.plot(years, gdp_australia, 'b-', label='Australia')
plt.plot(years, gdp_nz, 'g-', label='New Zealand')

# Create legend.
plt.legend(loc='upper left')
plt.xlabel('Year')
plt.ylabel('GDP per capita ($)')

Menambahkan Legenda

Seringkali ketika memplot beberapa kumpulan data pada gambar yang sama, diinginkan untuk memiliki legenda yang menggambarkan data tersebut

Ini dapat dilakukan dalam

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_9 dalam dua tahap

• Berikan label untuk setiap dataset pada gambar

plt.plot(years, gdp_australia, label='Australia')
plt.plot(years, gdp_nz, label='New Zealand')

• Instruksikan

  time = [0, 1, 2, 3]
  position = [0, 100, 200, 300]
  
  plt.plot(time, position)
  plt.xlabel('Time (hr)')
  plt.ylabel('Position (km)')
  

  _9 untuk membuat legenda

plt.legend()

Secara default matplotlib akan mencoba menempatkan legenda pada posisi yang sesuai. Jika Anda lebih suka menentukan posisi, ini dapat dilakukan dengan argumen

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_(year)', 
# so we want to keep the (year) part only for clarity when plotting GDP vs. years
# To do this we use strip(), which removes from the string the characters stated in the argument
# This method works on strings, so we call str before strip()

years = data.columns.str.strip('gdpPercap_')

# Convert year values to integers, saving results back to dataframe

data.columns = years.astype(int)

data.loc['Australia'].plot()

4, mis. g untuk menempatkan legenda di pojok kiri atas plot, tentukan

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_(year)', 
# so we want to keep the (year) part only for clarity when plotting GDP vs. years
# To do this we use strip(), which removes from the string the characters stated in the argument
# This method works on strings, so we call str before strip()

years = data.columns.str.strip('gdpPercap_')

# Convert year values to integers, saving results back to dataframe

data.columns = years.astype(int)

data.loc['Australia'].plot()

5

• Buat plot pencar yang menghubungkan PDB Australia dan Selandia Baru
• Gunakan

  import pandas as pd
  
  data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
  
  # Extract year from last 4 characters of each column name
  # The current column names are structured as 'gdpPercap_(year)', 
  # so we want to keep the (year) part only for clarity when plotting GDP vs. years
  # To do this we use strip(), which removes from the string the characters stated in the argument
  # This method works on strings, so we call str before strip()
  
  years = data.columns.str.strip('gdpPercap_')
  
  # Convert year values to integers, saving results back to dataframe
  
  data.columns = years.astype(int)
  
  data.loc['Australia'].plot()
  

  6 atau

  import pandas as pd
  
  data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')
  
  # Extract year from last 4 characters of each column name
  # The current column names are structured as 'gdpPercap_(year)', 
  # so we want to keep the (year) part only for clarity when plotting GDP vs. years
  # To do this we use strip(), which removes from the string the characters stated in the argument
  # This method works on strings, so we call str before strip()
  
  years = data.columns.str.strip('gdpPercap_')
  
  # Convert year values to integers, saving results back to dataframe
  
  data.columns = years.astype(int)
  
  data.loc['Australia'].plot()
  

  7

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

Minima dan Maksimal

Isilah titik-titik di bawah ini untuk memplot PDB per kapita minimum dari waktu ke waktu untuk semua negara di Eropa. Ubah lagi untuk memplot PDB per kapita maksimum dari waktu ke waktu untuk Eropa

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_2

Larutan

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_3

Korelasi

Ubah contoh dalam catatan untuk membuat sebar plot yang menunjukkan hubungan antara PDB per kapita minimum dan maksimum di antara negara-negara di Asia untuk setiap tahun dalam kumpulan data. Hubungan apa yang Anda lihat (jika ada)?

Larutan

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_4

Tidak ada korelasi khusus yang dapat dilihat antara nilai PDB minimum dan maksimum dari tahun ke tahun. Sepertinya peruntungan negara-negara Asia tidak naik dan turun bersamaan

Anda mungkin mencatat bahwa variabilitas maksimum jauh lebih tinggi daripada minimum. Lihatlah indeks maksimum dan maks

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

5

Larutan

Tampaknya variabilitas nilai ini disebabkan penurunan tajam setelah tahun 1972. Beberapa geopolitik sedang bermain mungkin?

Lebih Banyak Korelasi

Program singkat ini membuat plot yang menunjukkan korelasi antara PDB dan harapan hidup untuk tahun 2007, menormalkan ukuran penanda berdasarkan jumlah penduduk

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_6

Dengan menggunakan bantuan online dan sumber daya lainnya, jelaskan apa yang dilakukan setiap argumen pada

plt.show()

8

Larutan

Tempat yang baik untuk melihat adalah dokumentasi untuk fungsi plot - help(data_all. merencanakan)

jenis - Seperti yang sudah terlihat, ini menentukan jenis plot yang akan digambar

x dan y - Nama kolom atau indeks yang menentukan data apa yang akan ditempatkan pada sumbu x dan y dari plot

s - Detail untuk ini dapat ditemukan di dokumentasi plt. menyebarkan. Angka tunggal atau satu nilai untuk setiap titik data. Menentukan ukuran titik-titik yang diplot

Menyimpan plot Anda ke file

Jika Anda puas dengan plot yang Anda lihat, Anda mungkin ingin menyimpannya ke file, mungkin untuk memasukkannya ke dalam publikasi. Ada fungsi di matplotlib. modul pyplot yang menyelesaikan ini. savefig. Memanggil fungsi ini, e. g. dengan

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_7

akan menyimpan gambar saat ini ke file ________5______9. Format file akan secara otomatis diambil dari ekstensi nama file (format lain adalah pdf, ps, eps dan svg)

Perhatikan bahwa fungsi dalam

data.T.plot()
plt.ylabel('GDP per capita')

_0 merujuk ke variabel angka global dan setelah angka ditampilkan ke layar (e. g. dengan

data.T.plot()
plt.ylabel('GDP per capita')

_1) matplotlib akan membuat variabel ini merujuk ke angka kosong baru. Oleh karena itu, pastikan Anda memanggil

data.T.plot()
plt.ylabel('GDP per capita')

_2 sebelum plot ditampilkan ke layar, jika tidak, Anda mungkin menemukan file dengan plot kosong

Saat menggunakan bingkai data, data sering dibuat dan diplot ke layar dalam satu baris, dan

data.T.plot()
plt.ylabel('GDP per capita')

2 tampaknya bukan pendekatan yang memungkinkan. Satu kemungkinan untuk menyimpan gambar ke file kemudian ke

• simpan referensi ke angka saat ini dalam variabel lokal (dengan

  data.T.plot()
  plt.ylabel('GDP per capita')
  

  4)
• panggil metode kelas

  data.T.plot()
  plt.ylabel('GDP per capita')
  

  _5 dari variabel itu

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

_8

Membuat plot Anda dapat diakses

Setiap kali Anda membuat plot untuk dimasukkan ke dalam makalah atau presentasi, ada beberapa hal yang dapat Anda lakukan untuk memastikan bahwa setiap orang dapat memahami plot Anda.

Bagaimana Anda membuat fungsi plotting di Python?

Keluaran. .

Tentukan sumbu x dan nilai sumbu y yang sesuai sebagai daftar

Plot di atas kanvas menggunakan. plot() fungsi

Beri nama sumbu x dan sumbu y menggunakan. xlabel() dan. fungsi ylabel()

Beri judul pada plot Anda menggunakan. judul() fungsi

Terakhir, untuk melihat plot Anda, kami menggunakan. tampilkan() fungsi

Bagaimana Anda memvisualisasikan fungsi dengan Python?

Proses menemukan tren dan korelasi dalam data kami dengan merepresentasikannya secara gambar disebut Visualisasi Data. Untuk melakukan visualisasi data dengan python, kita bisa menggunakan berbagai modul visualisasi data python seperti Matplotlib, Seaborn, Plotly, dll .

Bagaimana Anda memplot persamaan pada grafik dengan Python?

Membuat vektor x dan y .

Menambahkan judul. plt. title('Plot pertama saya dengan Python')

Menambahkan label sumbu x. plt. xlabel('sumbu x')

Menambahkan label sumbu y. plt. ylabel('sumbu y')

Tambahkan kisi dengan opasitas. 4 dan gaya baris '-'. plt. kisi(alfa=. 4, gayagaris='--')

Apa yang dilakukan fungsi plot di Matplotlib Pyplot?

Fungsi plot() digunakan untuk menggambar titik (marker) pada diagram . Secara default, fungsi plot() menarik garis dari titik ke titik. Fungsi mengambil parameter untuk menentukan titik dalam diagram. Parameter 1 adalah larik yang berisi titik-titik pada sumbu x.